DeepHao'Blog

PyTorch-basic-tutorialbasic tutorial for pytorch1.xHow to read these tutorialsThis tutorial is divided into 12 parts, from linear regression to logistic regression. The framework used includes PyTorch 1.x version Each part is described in detail on my

由于我主要做CV部分因此这一部分不是很理解，所以直接上代码吧。主提程序来自Pytorch官网，英文注释能看懂就看吧，等我有空系统学习一下再来整理整个逻辑，博客代码就先放这里了看φ(゜▽゜*)♪导入必要的包import gymimport mathimport randomimport numpy as npimport matplotlibimport matplotlib.pyplot as pltfrom collections import namedtuplefrom iterto

文章目录导入必要的包自编码网络参数与数据网络构建可视化损失函数可视化动图可视化三维分布可视化导入必要的包from torch.utils.data import DataLoaderimport torchvisionimport torch.nn as nnimport matplotlib.pyplot as pltimport numpy as npimport torchtorch.__version__'1.6.0'自编码网络参数与数据设置超参数torch.manu

文章目录获取所使用的NVIDIA显卡设备谷歌云盘挂载及数据读取导入必要的包数据集制作获取设备信息数据可视化ResNet18ResNet18模型获取与配置参数配置开始训练模型读取与预测PIL与Transform读取方式VGG16VGG16模型获取与配置参数配置开始训练模型读取与预测OpenCV读取方式PIL与OpenCV对比OpenCV归一化处理图像PIL归一化处理图像获取所使用的NVIDIA显卡设备!nvidia-smiTue Sep 1 10:29:57 2020 +-------

文章目录数据增强说明导入必要的包读取图片并显示显示方式一显示方式二Pytorch 数据增强transforms 之旋转transforms 之裁剪transforms.functional 之裁剪特殊数据增强方式Augmentor导入 Augmentor 包读取图像并进行弹性形变数据增强实践导入新需要的模块定义数据增强函数开始处理效果展示数据增强说明1.本次将演绎常用的Pytorch数据增强方式2.本次将简单介绍数据增强模块Augmentor的使用方式导入必要的包import PIL.Image

文章目录torchvision使用导入必要的包数据获取与数据处理部分数据展示开始训练CPU 训练类别准确率测试GPU 训练%matplotlib inline注意：本节将主要展示CPU与GPU训练差异以及torchvision使用，对于训练可视化以及其它部分等予以省略torchvision使用一般情况下处理图像、文本、音频和视频数据时，可以使用标准的Python包来加载数据到一个numpy数组中。然后把这个数组转换成 torch.*Tensor。图像可以使用 Pillow, OpenCV音

导入必要的包%matplotlib inlineimport torchimport sysimport torch.nn as nnimport torch.utils.data as Dataimport torchvisionfrom mpl_toolkits.mplot3d import Axes3Dimport matplotlib.pyplot as pltfrom matplotlib import cmimport numpy as npfrom torchsumma

文章目录Titanic导入本次需要的包数据预处理数据集生成获取设备信息开始训练训练效果可视化类别验证Jack & RoseBreast Cancer数据读取与展示数据归一化开始训练训练效果可视化Titanic导入本次需要的包import numpy as npimport pandas as pdimport torchimport torch.nn as nnimport torch.utils.data as Dataimport urllib.requestfrom skle

文章目录导入必要的包数据读取从原始数据读取房价信息sklearn自动读取对比两种方式所获取数据训练阶段模型预测导入必要的包import torchfrom torch import nnimport matplotlib.pyplot as pltimport numpy as npimport pandas as pdfrom sklearn.utils import shufflefrom sklearn.preprocessing import scalefrom torchsumm

文章目录前情函数GPU相关语句torch.unsqueeze 与 torch.squeeze正式开始导入必要模块构建数据集模型定义模型参数设置前情函数import torchGPU相关语句'''以下通过先判断GPU是否存在， 在通过对应的语句打印出GPU的信息'''if torch.cuda.is_available(): # 返回gpu数量 GPU_num = torch.cuda.device_count() # 返回gpu名字，设备索引默认从0开始

文章目录Neural Networks定义网络损失函数反向传播更新权重Neural Networks使用torch.nn包来构建神经网络。上一讲已经讲过了autograd，nn包依赖autograd包来定义模型并求导。一个nn.Module包含各个层和一个forward(input)方法，该方法返回output。例如：它是一个简单的前馈神经网络，它接受一个输入，然后一层接着一层地传递，最后输出计算的结果。神经网络的典型训练过程如下：定义包含一些可学习的参数(或者叫权重)神经网络模型；在

文章目录Autograd: 自动求导机制张量（Tensor）梯度Autograd: 自动求导机制PyTorch中，所有神经网络的核心是autograd 包。autograd 包为张量上的所有操作提供了自动求导机制。它是一个在运行时定义(define-by-run)的框架，这意味着反向传播是根据代码如何运行来决定的，并且每次迭代可以是不同的。张量（Tensor）torch.Tensor是这个包的核心类。如果设置.requires_grad 为 True，那么将会追踪所有对于该张量的操作。当完成计

文章目录What is PyTorch?开始Tensors（张量）操作加法运算。维度调整NumPy 转换CUDA 张量What is PyTorch?PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：NumPy 的替代品，可以利用 GPU 的性能进行计算。深度学习研究平台拥有足够的灵活性和速度开始Tensors（张量）Tensors 类似于 NumPy 的 ndarrays ，同时 Tensors 可以使用 GPU 进行计算。import torch创建一个